t-检验: t-检验,又称student‘s t-test,可以用于比较两组数据是否来自同一分布(可以用于比较两组数据的区分度),假设了数据的正态性,并反应两组数据的方差在统计上是否有显著差异. matlab中提供了两种相同形式的方法来解决这一假设检验问题,分别为ttest方法和ttest2方法,两者的参数.返回值类型均相同,不同之处在于ttest方法做的是 One-sample and paired-sample t-test,而ttest2则是 Two-sample t-test with

一.平稳随机过程 1.严平稳随机过程 clc clear n=0:1000; x=randn(1,1001); subplot(211),plot(n,x); xlabel('n');ylabel('x(n)'); grid on subplot(212),hist(x,50) grid on 2. 3.随机相位正弦信号 3.1 %随机相位正弦信号clc clear t=0:0.01:30; w=pi/2; x1=cos(w*t+2*pi*rand*ones(1,3001)); x2=cos(w

1.md5不可逆的加密方式,加密成一个32位的字符串.算法是公开的,任何语言的加密结果都是一样的.总有可能是重复的.     用途:             (1)防止明文存储:可以用作密码加密             (2)防止篡改:判断文件变化,将程序生成一个字节流,然后md5加密一下,判断加密结果是否有变化,可以防止程序挂载木马或者做类似SVN的东西.             (3)防止抵赖,数字签名.用于第三方认证机构.     解密:对撞库.穷举法.     防破解手段:1加盐.用户输

/* offset-x | offset-y | color */ box-shadow: 60px -16px teal; /* offset-x | offset-y | blur-radius | color */ box-shadow: 10px 5px 5px black; /* offset-x | offset-y | blur-radius | spread-radius | color */ box-shadow: 2px 2px 2px 1px rgba(0, 0, 0, 0

%简单地说: %A为给定图像,归一化到[,]的矩阵 %W为双边滤波器(核)的边长/ %定义域方差σd记为SIGMA(),值域方差σr记为SIGMA() %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % Pre-process input and select appropriate filter. function B = bfilter2(A,w,sigma) % Verify that the input imag

4.8.1  已知,单个正态总体的均值μ的假设检验(U检验法) 函数  ztest 格式  h = ztest(x,m,sigma)   % x为正态总体的样本,m为均值μ0,sigma为标准差,显著性水平为0.05(默认值) h = ztest(x,m,sigma,alpha)   %显著性水平为alpha [h,sig,ci,zval] = ztest(x,m,sigma,alpha,tail)   %sig为观察值的概率,当sig为小概率时则对原假设提出质疑,ci为真正均值μ的1-alph

一.实验目的: 1.掌握傅立叶级数(FS),学会分析连续时间周期信号的频谱分析及MATLAB实现: 2.掌握傅立叶变换(FT),了解傅立叶变换的性质以及MATLAB实现. 二.利用符号运算求傅里叶级数的系数 1.复习几个函数: F1=int(f,v,a,b) - 对f表达式的v变量在(a,b)区间求定积分 F2=subs(s,OLD,NEW)-用新变量NEW代替S中的指定变量OLD. F3=vpa(x,n) : 显示可变精度计算:x为符号变量,n表示要精确计算的位数. 2.周期函数的傅里叶级数的

学过的统计知识忘光了,飞速恶补了一下能用到的,此篇多有错误今后看到再改= =||| 成对t检验(Paired ttest) 将两组测量值对应相减,再将所得差值看作服从正态分布的随机变量,然后再做关于差值的均值的假设检验. matlab:[h, p, ci, stats] = ttest(x, y, 'name', 'value'); ▷ OPTIONS: …'Alpha' :显著性水平(0, 1) …'Dim' :第一非单值维度(默认) …'Tail' :备择假设类型(‘both’(默认)|'r

转自:http://blog.csdn.net/colddie/article/details/7773278 函数名称 函数说明 调用格式 正态总体的参数检验 ztest 单样本均值的z检验 (总体服从正态分布) [h,sig,ci,zval] = ztest(x,mu0,sigma,alpha,tail) ttest 单样本均值t检验 (总体服从正态分布) [h,sig,ci,tval] = ttest(x,mu0,alpha,tail) ttest2 双样本均值差t检验 (两个总体均服从正

一.引言     双边滤波在图像处理领域中有着广泛的应用,比如去噪.去马赛克.光流估计等等,最近,比较流行的Non-Local算法也可以看成是双边滤波的一种扩展.自从Tomasi et al等人提出该算法那一天起,如何快速的实现他,一直是人们讨论和研究的焦点之一,在2011年及2012年Kunal N. Chaudhury等人发表的相关论文中,提出了基于三角函数关系的值域核算法,能有效而又准确的实现高效双边算法.本文主要对此论文提出的方法加以阐述. 双边滤波的边缘保持特性主要是通过在卷积的过程中

http://www.cnblogs.com/tiandsp/archive/2013/04/18/3029468.html 主要是用来平滑图像的,克服了高斯模糊的缺陷,各向异性扩散在平滑图像时是保留图像边缘的(和双边滤波很像). 通常我们有将图像看作矩阵的,看作图的,看作随机过程的,记得过去还有看作力场的. 这次新鲜,将图像看作热量场了.每个像素看作热流,根据当前像素和周围像素的关系,来确定是否要向周围扩散.比如某个邻域像素和当前像素差别较大,则代表这个邻域像素很可能是个边界,那么当前像素就不

http://home.52brain.com/forum.php?mod=viewthread&tid=27066&page=1#pid170857 http://www.mathworks.com/matlabcentral/answers/144113-mafdr-interpreting-q-values-vs-bhfdr-adjusted-p-values matlab自带函数mafdr,当ttest数较多时,可直接用[FDR, Q]=mafdr(P):但是Storey proc

手写数字识别实现 设计技术参数:通过由数字构成的图像,自动实现几个不同数字的识别,设计识别方法,有较高的识别率 关键字:二值化  投影  矩阵  目标定位  Matlab 手写数字图像识别简介: 手写阿拉伯数字识别是图像内容识别中较为简单的一个应用领域,原因有被识别的模式数较少(只有0到9,10个阿拉伯数字).阿拉伯数字笔画少并且简单等.手写阿拉伯数字的识别采用的方法相对于人脸识别.汉字识别等应用领域来说可以采用更为灵活的方法,例如基于规则的方法.基于有限状态自动机的方法.基于统计的方法和基于神

原文链接:http://blog.csdn.net/bugrunner/article/details/7170471 另外一篇相似的英文资料:http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/MANDUCHI1/Bilateral_Filtering.html#Index   1. 简介 图像平滑是一个重要的操作,而且有多种成熟的算法.这里主要简单介绍一下Bilateral方法(双边滤波),这主要是由于前段时间做了SSAO,需要用b

1.参考 reference 1. tutorial主页:http://www.bcs.rochester.edu/people/raizada/fmri-matlab.htm. 2.speech_brain_images.mat数据:speech_brain_images.mat. 3.showing_brain_images_tutorial显示大脑图像代码:showing_brain_images_tutorial.m . 4.overlaying_Tmaps_tutorial.m叠加t检

matlab自带函数mafdr,当ttest数较多时,可直接用[FDR, Q]=mafdr(P):但是Storey procedure在p值少于1000个时会崩溃,此时应改用BH FDR方法:mafdr(P,'BHFDR', true).该方法对于少量ttest更稳健,但是更保守. 参考链接: https://stat.ethz.ch/pipermail/bioconductor/2014-January/056992.html http://home.52brain.com/forum.php

推荐用saveas eps,再用eps2pdf转成pdf.这样可以之间pdflatex编译. if result.savepic saveas(gcf,[ pwd '/picture/right_' num2str(problem.numsamples) '_' num2str(problem.Ttest) problem.name '.fig']); saveas(gcf,[ pwd '/picture/right_' num2str(problem.numsamples) '_' num2s

D:\Program Files\MATLAB\R2012b\toolbox\stats\stats MATLAB统计工具箱包括概率分布.方差分析.假设检验.分布检验.非参数检验.回归分析.判别分析.主成分分析.因子分析.系统聚类分析.K均值聚类分析.试验设计.决策树.多元方差分析.统计过程控制和统计图形绘制等.优化工具箱包括无约束最优化.有约束最优化.二次规划.多目标规划.最大最小化.半元限问题.方程求解以及大型优化问题的求解等. 表Ⅰ-1  概率密度函数 betapdf 贝塔分布的概率密度函

TV:Total Variation BTV:Bilateral Total Variation Osher等在1992 年提出了总变分(TV)超分辨率重建方法,该方法能够有效地去除噪声和消除模糊,但是在强噪声情况下,图像的平滑区域会产生阶梯效应,同时图像的纹理信息也不能很好地保留.Farsiu等在2004 年提出了双边总变分(BTV)正则化方法,该方法不仅考虑了周围像素与中心像素的几何距离,同时也考虑了灰度相似性,这使得BTV 算法性能相对于TV 算法有了很大的提高.所以在几种正则化方法中,

网上看了一些大牛的关于FFT的见解,加上自己的一点儿理解,针对以下这几个问题来加深对FFT的理解. 不知道大家有没有类似以下几点的困惑: 问题的提出 对于1秒钟输出的连续信号,使用采样率Fs不同,就会得到不同的采样序列.在计算N点FFT之后得到N点的复数,幅频图中横坐标如何与我实际的频率相对应? FFT之后的幅频响应图,对应的幅值到底有什么含义,我们可以通过这个对应频率点的幅值推出原始信号的相关特性吗?     问题的解释 傅里叶是法国数学家和物理学家的名字,英语原名是Jean Baptiste